【工具】Ubuntu18非root用户安装CUDAPyTorch

news2024/10/7 12:28:11

文章目录

CUDA
- 查看GPU驱动支持的最高CUDA版本
- CUDA download
- - 指定路径安装CUDA
cuDNN
- 验证cuda是否安装成功以及版本信息
pytorch
验证pytorch是否安装成功&GPU是否可用
MMDetection3D

CUDA

查看GPU驱动支持的最高CUDA版本

运行命令：nvidia-smi
在这里插入图片描述
CUDA Version: 11.6 说明当前驱动支持的CUDA最高版本为11.6

CUDA download

CUDA下载地址：CUDA Toolkit Archive

在列表中找到适合自己GPU驱动的CUDA版本，选择对应系统

在这里插入图片描述

拷贝链接到浏览器地址栏，直接访问下载。

在这里插入图片描述

使用工具上传cuda_12.0.1_525.85.12_linux.run文件到自己服务器指定路径。

指定路径安装CUDA

运行 sudo sh cuda_12.0.1_525.85.12_linux.run --tmpdir=/home/houzm/houzm/01_develop_tools/cuda

如果提示如下错误，可以创建自定义的路径，然后执行sh时指定–tmpdir
Extraction failed.
Ensure there is enough space in /tmp and that the installation package is not corrupt
Signal caught, cleaning up
sh cuda_12.0.1_525.85.12_linux.run --tmpdir=/home/houzm/houzm/01_develop_tools/cuda

可能会出现提示有多个显卡驱动：Existing package manager installation of the driver found. It is strongly recommended that you remove this before continuing. 可以选择Continue继续安装，之后的安装过程中不要选择重新安装driver。

在这里插入图片描述

选择accept 后，更改安装选项（‘X’ 代表选中，这里我只安装CUDA Toolkit和CUDA Samples，一般不搞CUDA编程单跑深度学习就够了）：
取消选择的方法是：光标停留在Driver那一行上，然后回车，使[]里的X消失

在这里插入图片描述

回到上一步全部取消选择Done 然后Install。
在这里插入图片描述

cuDNN

下载地址：cuDNN Archive
在这里插入图片描述

安装.deb格式的软件至指定路径： dpkg -i --instdir=/dest/dir/path some.deb

参考：ubuntu18.04+cuda10.2+cudnn7.6.5，并使用CUDA自动安装NVIDIA驱动而非手动。

tar -xvf cudnn-linux-x86_64-8.8.1.3_cuda11-archive.tar.xz -C /yourpath/01_develop_tools/cudnn/cudnn_8.8.1_linux

cuDNN官方安装指南

(base) houzm@root605:~/houzm/01_develop_tools/cudnn/cudnn_8.8.1_linux/cudnn-linux-x86_64-8.8.1.3_cuda11-archive/include$ cat /home/houzm/houzm/01_develop_tools/cudnn/cudnn_8.8.1_linux/cudnn-linux-x86_64-8.8.1.3_cuda11-archive/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 8
#define CUDNN_MINOR 8
#define CUDNN_PATCHLEVEL 1
–
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
/* cannot use constexpr here since this is a C-only file */

验证cuda是否安装成功以及版本信息

(py3.8) houzm@root605:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Sun_Mar_21_19:15:46_PDT_2021
Cuda compilation tools, release 11.3, V11.3.58
Build cuda_11.3.r11.3/compiler.29745058_0

pytorch

conda create --name openmmlab python=3.8 -y
conda activate openmmlab
在pytorch官网找到对应自己cuda版本的pytorch安装命令pytorch官方下载地址
conda install pytorch1.13.1 torchvision0.14.1 torchaudio==0.13.1 pytorch-cuda=11.6 -c pytorch -c nvidia
在这里插入图片描述

验证pytorch是否安装成功&GPU是否可用

(py38) houzm@root605:~/houzm/01_develop_tools/cudnn/cudnn_8.8.1_linux/cudnn-linux-x86_64-8.8.1.3_cuda11-archive/include$ > > > python
Python 3.8.16 (default, Mar 2 2023, 03:21:46)
[GCC 11.2.0] :: Anaconda, Inc. on linux
Type “help”, “copyright”, “credits” or “license” for more information.
>>> import torch as t
>>> device = t.device(‘cuda’ if t.cuda.is_available() else ‘cpu’)
>>> print(device)
cuda